Plugins

Fluxos de trabalho de engenharia predefinidos para o DeepSeek Harness: uma ferramenta dev_task que controla transições de estágio, artefatos, verificação, revisão e escopo de commit, além de um ambiente web de trabalho para instalar skills e regras de projeto ou de usuário.

Painel inteligente do DeepSeek Harness: cartões de tarefas + despacho pontual de Worker/Verifier + agendamento por dependências + níveis de pipeline + modo Team (ambiguidades reportadas à janela principal para decisão)

Salas de equipe multiagente persistentes e entre sessões para o DeepSeek Harness — membros, barramento de mensagens, quadro de tarefas compartilhado e uma linha do tempo compartilhada que sobrevivem a reinícios.

Motor de orquestração do ciclo de vida para equipes de agentes de IA, com isolamento por Git worktree por tarefa, transições de entrega condicionadas por estado e memória fora do contexto.

Reinício elegante + reconexão automática do cliente + continuação de objetivos entre reinícios para DeepSeek Harness (dsh). Após uma atualização de plugin, dsh-phoenix reinicia o dsh num limite seguro de inatividade, mantém a página do navegador ligada e retoma um objetivo em execução para que uma tarefa possa continuar

Orquestrador multimodelo: o cérebro principal decompõe tarefas complexas e distribui subtarefas para subagentes GLM / Kimi / Qwen conforme os pontos fortes de cada modelo, com uso de tokens por modelo.

Executa tarefas de Agente pontuais e recorrentes no padrão RFC 5545 em sessões DSH novas, com edição visual de agendamentos e histórico vinculado às sessões.

Plugin de aprimoramento do DSH Desktop: fatos verificáveis na mesa. Restrições entram só quando relevantes; injeção em camadas (estável no system prompt, volátil em snapshot de cauda) com cache de prompt válido. Disciplina: cada turno é classificado (pergunta/pesquisa/discussão/diagnóstico/execução) — sem editar arquivos em perguntas nem corrigir o não pedido em diagnóstico; citações de código não aberto e afirmações sobre símbolos não vistos são sinalizadas. Memória: avisos em 75%/90% de contexto, recap exportável e conhecimento de projeto por diretório. Artefatos: contrato de tarefa, registros de mudanças e hipóteses com portão de evidências, decisões de design. Dashboard: roteamento e blocos em lume-metrics.jsonl via lume_metrics; personas destiladas de chats, romances ou fichas.

Plugin do DeepSeek Harness que economiza tokens agressivamente sem afetar a qualidade: truncamento sem perdas de cabeça/cauda em resultados de ferramentas (padrão), dobra de resultados do grep, delegação ao dsh-compaction-basic acionada por pressão e uma subclasse CompactionEngine com resumo por LLM para o modo agressivo. Economiza 97,6% dos tokens de entrada em uma suíte sintética de 8 cenários, com todas as reduções passando pelo fluxo de eventos do dsh para manter modelo-visível = registrado.

Modo comandante para a interface web do dsh: um botão de um clique no cabeçalho da sessão injeta um resumo de protocolo na sessão e então analisa e executa automaticamente os blocos de tarefas da resposta do modelo — separando o loop do estrategista dos loops dos trabalhadores por um selo visível.

Notificações de sistema e de ambiente de trabalho personalizadas do Windows para eventos do DeepSeek Harness: tarefa concluída, falhada, em execução, a aguardar aprovação e a aguardar resposta. Clique para saltar para a sessão.

Plugin proativo de agendamento multi-modelo: ingestão de sinais multi-fonte com dedup e classificação de urgência, um motor de decisão de quatro vias executar/adiar/dispensar/perguntar ao usuário, geração de plano DAG com execução paralela de modelos, reflexão de qualidade com retry automático e troca de modelo, memória de longo prazo para padrões de tarefa e lições, e evolução de estratégia via algoritmos genéticos com avaliação em sandbox e rollout canário.

Quadro Kanban para DSH: máquina de estados de tarefa com isolamento de branch git, execução automática pelo agente e merge dirigido por revisão.

Toques de conclusão por workspace, além de sons de atenção para eventos de aprovação, pergunta, revisão de plano, objetivo bloqueado e falha de tarefa, com sintetizador embutido, voz (TTS) e áudio personalizado

Adiciona artefatos de especificação, skills, comandos, implementação orientada por objetivos e contexto de progresso das tarefas

Motor embutido de gerenciamento de tarefas: protocolo de pontos de decisão, mural de captura de ideias e um repositório de issues no estilo Linear.

Encaminha cada tarefa para um modelo e sua revisão para outro, com evidências de qualificação, failover e um diário durável.

Emparelha duas máquinas DeepSeek Harness com um código de uso único — diretamente em uma LAN, ou entre redes por um relay com criptografia ponta a ponta e um padrão oficial sem configuração — para que um agente possa executar tarefas e trocar arquivos na outra, mantendo os arquivos de cada máquina no lugar.

Otimizador de prompt estruturado por agente para o DeepSeek Harness: reescreve rascunhos do compositor em role/task/context/constraint/format com modos normal, slim e expand, um modal de confirmação com pontuação, continue-optimize e motores local, híbrido, DSH ou API na nuvem.

Revisões de advisor que convergem por rodadas, um modo de engenharia cujas escritas exigem um token de design, escalonamento de uma tarefa para um modelo mais forte e consulta paralela multimodelo; uma página de configurações edita as rotas de modelo, timeouts e orçamentos.

Bridge/plugin do DeepSeek Harness para A2S com sessões remotas, workspaces, aprovações, tarefas e reconexões resilientes.

Troca de modelo e controle do esforço de raciocínio para o DeepSeek Harness: as ferramentas de agente set_model e list_models permitem que o agente mude sozinho de provedor, modelo ou profundidade de pensamento no meio da tarefa, com motivo obrigatório, lista branca de provedores e proteção contra pressão de tokens da janela de contexto; o modelo ativo é injetado no contexto de execução, e a transição automática do Plan Mode troca para um modelo de planejamento configurado ao entrar no modo plano e restaura o modelo de execução anterior ao sair.

Sessões persistentes de pares Endeavour e Challenger para o DeepSeek Harness que planejam, executam tarefas sequenciais e verificam os resultados relatados.

Gateway Feishu/Lark para DeepSeek Harness com conversas persistentes por tópico, cartões de execução ao vivo, entradas de imagem e arquivo, aprovações e perguntas no chat, listas de permissão de origem e tarefas de agente duráveis únicas ou recorrentes criadas em linguagem natural.